2025-02-23 手机 0
机器之心报道
编辑：张倩
在ChatGPT的模拟界面中，用户终于可以将语音文件粘贴至输入框。
随着大型语言模型（LLM）的广泛应用，它们正改变各行各业的用户体验。然而，将人类的声音转化为生成式人工智能产品仍然充满挑战，因为处理音频数据对LLM而言是一项艰巨任务。
将LLM与音频文件结合使用的一个主要难题是其上下文窗口限制。在LLM能够接收一个音频文件之前，该文件首先需要被转换成文字。如果音频内容庞大，突破这个限制就变得更加困难。然而，在工作场景中，我们常常需要从数小时的会议录音或长篇访谈中提取关键信息、找出特定问题答案……
最近，AssemblyAI公司推出了名为LeMUR的新一代语音识别AI模型。就像ChatGPT高效处理大量PDF文档一样，LeMUR能够将10小时以上的录音进行准确转录，并帮助用户总结核心内容，还能回答他们的问题。
安全可靠输出保证
由于LeMUR内置了强大的安全措施和内容过滤系统，它提供给用户的是经过严格审查且不含有害或偏见语言的回应。
页面右侧，我们可以通过简单操作要求LeMUR概述采访内容或者回答疑问。尽管目前看来它似乎还未支持中文，但它已经表现出了极高的工作效率：
不过，这款神奇工具似乎尚未开放中文功能测试，如果你对此感兴趣，可以尝试一下看看它是否真的能超越语言壁垒。
